|
首页
|
电子技术
|
电子应用
|
电子头条
|
社区
|
论坛
测评
博客
电子技术视频
|
下载
|
电路图
|
参考设计
|
Datasheet
|
活动
|
直播
|
datasheet
datasheet
文章
搜索
中文
En
|
首页
|
电子技术
|
电子产品应用
|
电子头条
|
论坛
|
大学堂
|
下载
|
参考设计
|
Datasheet
|
活动
|
技术直播
|
datasheet
datasheet
文章
搜索
大学堂
上传课程
首页
课程
TI培训
直播频道
专题
相关活动
其他资源
下载中心
电路图
参考设计
您的位置:
EEWORLD大学堂
/
机器学习/算法
/
Hinton机器学习与神经网络
/
A toy example of training an RNN
本课程为精品课,您可以登录eeworld继续观看:
A toy example of training an RNN
登录
播放列表
课程目录
课程笔记
课时1:Why do we need machine learning
课时2:What are neural networks
课时3:Some simple models of neurons
课时4: A simple example of learning
课时5:Three types of learning
课时6:An overview of the main types of network architecture
课时7:Perceptrons
课时8:A geometrical view of perceptrons
课时9:Why the learning works
课时10:What perceptrons can not do
课时11:Learning the weights of a linear neuron
课时12:The error surface for a linear neuron
课时13:Learning the weights of a logistic output neuron
课时14:The backpropagation algorithm
课时15:How to use the derivatives computed by the backpropagation algorithm
课时16:Learning to predict the next word
课时17:A brief diversion into cognitive science
课时18:Another diversion_The softmax output function
课时19:Neuro-probabilistic language models
课时20:ways to deal with large number of possible outputs
课时21:Why object recognition is difficult
课时22:Ways to achieve viewpoint invariance
课时23:Convolutional neural networks for hand-written digit recognition
课时24:Convolutional neural networks for object recognition
课时25:Overview of mini-batch gradient descent
课时26:A bag of tricks for mini-batch descent
课时27:The momentum method
课时28:A separate, adaptive learning rate for each connection
课时29:rmsprop_divide the gradient
课时30:Modeling sequences_brief overview
课时31:Training RNNs with backpropagation
课时32:A toy example of training an RNN
课时33:Why it is difficul to train an RNN
课时34:Long term short term memory
课时35:Modeling character strings with multiplicative connections
课时36:Learning to predict the next character using HF
课时37:Echo state networks
课时38:Overview of ways to improve generalization
课时39:Limiting size of the weights
课时40:Using noise as a regularizer
课时41:Introduction to the bayesian approach
课时42:The bayesian interpretation of weight decay
课时43:MacKays quick and dirty method of fixing weight costs
课时44:Why it helps to combine models
课时45:Mixtures of experts
课时46:The idea of full bayesian learning
课时47:Making full bayesian learning practical
课时48:Dropout an efficient way to combine neural nets
课时49:Hopfield Nets
课时50:Dealing with spurious minima in hopfield nets
课时51:Hopfields Nets with hidden units
课时52:Using stochastic units to improve search
课时53:How a boltzmann machine models data
课时54:The boltzmann machine learning algorithm
课时55:More efficient ways to get the statistics
课时56:Restricted boltzmann machines
课时57:An example of contrastive divergence learning
课时58:RBMs for collaborative filtering
课时59:The ups and downs of backpropagation
课时60:Belief nets
课时61:The wake-sleep algorithm
课时62:Learning layers of features by stacking RBMs
课时63:Discriminative fine-tuning for DBNs
课时64:What happens during discriminative fine-tuning
课时65:Modeling real-valued data with an RBM
课时66:RBMs are infinite sigmoid belief nets
课时67:From principal components analysis to autoencoders
课时68:Deep Autoencoders
课时69:Deep autoencoders for document retrieval and visualization
课时70:Semantic hashing
课时71:Learning binary codes for image retrieval
课时72:Shallow autoencoders for pre-training
课时73:Learning a joint model of images and captions
课时74:Hierarchical coordinate frames
课时75:Bayesian optimization of neural network hyperparameters
时长:6分14秒
日期:2019/04/09
收藏视频
上传者:木犯001号
去评论
课程介绍
相关标签:
神经网络
机器学习
反向传播
机器学习祖师爷之一Geoffrey Hinton大神于2012年主讲录制。课程内容以深刻睿智,鞭辟入里见长。课程深入介绍了Machine Learning中的神经网络的方法,人工神经网络在语音识别和物体识别、图像分割、建模语言和人类运动等过程中的应用,及其在机器学习中发挥的作用。
显示全部 ↓
推荐视频
用户评论
木犯001号
课程ppt下载地址 https://download.eeworld.com.cn/detail/%E6%9C%A8%E7%8A%AF001%E5%8F%B7/598715
2019年04月04日 13:59:16
回复
|
顶
()
猜您喜欢
推荐帖子
这个绝缘片是什么名称?
不认识IGBT下面的这个绝缘片,有专业名称吗?
呜呼哀哉
模拟电子
cpld实现锁相环频综
哪位朋友有用vhdl设计锁相环频率综合器然后用cpld实现的啊,找了很多资料大多都是采用传统数字锁相环的设计方法(异或门+看计数器+脉冲+分频)哪位朋友有别的方法,交流一下
hxq666
FPGA/CPLD
赚分...
0
tubie
嵌入式系统
ADAS3022/ADAS3023 ADC芯片外围电路
ADAS3022/ADAS3023ADC芯片datasheet上注明,数字输入逻辑电平的输入电流最大值是1uA。那么对于其类型为数字输入(DI)的引脚:PD、RESET、CNV等等,能够直接和MCU的IO口直接相连吗?通过IO电平来控制ADC的状态。注:主控MCU是STM32F4微控制器。
guangyu_x
ADI参考电路
LCD1502驱动程序
[i=s] 本帖最后由 jameswangsynnex 于 2015-3-3 19:58 编辑 [/i];LCD部分用到的RAM 0200H~~~~021FH 用到的Rn有R15/R14;LCD复位子程序(LCD_REST)不须要设事先置直接调用即可
fighting
移动便携
学习模拟电子的各种资源
[i=s] 本帖最后由 logitech66 于 2014-9-5 11:18 编辑 [/i]提供我学习模拟电子的时候用的一些资源,有些书籍,还有一些比较有用的文档,经验。。。。
logitech66
模拟电子
推荐内容
热门视频
更多
基于Adafruit ESP32-S3 TFT Feather的网络应用开发实践
如何快速使用Altium Designer绘制原理图|PCB项目实战
无刷电机教程
TI.com 视频系列 How do I
小波与滤波器组
TDA2x SOC 系列(1):用于 ADAS 的 TDA2x SOC 系列
eCall和群集系统的音频设计
TI 毫米波雷达技术介绍
物联网工程导论 北京科技大学 王志良
电机与拖动(电机部分)哈尔滨工业大学
开源项目推荐
更多
使用 Analog Devices 的 LTC1261CS 的参考设计
超迷你Arduino
油液污染度颗粒检测板(二)-传感器信号板
ADR3450 5V 输出微功率、高精度电压基准的典型应用
AI红外语音助手
使用 ROHM Semiconductor 的 BA15BC0WT-V5 的参考设计
L7809A 大电流稳压器的典型应用
具有 6V 输入 UVLO 的 LTC3633IUFD 3.3V/1.8V 顺序稳压器的典型应用电路
Cree XLamp 高 CRI (XM-L2 20-W) MR16 参考设计
【物联网】鸿蒙物联网智能WIFI开关+4219105A
热门文章
更多
Certara 完成对Pinnacle 21 的收购助力加速药品开发
对传感器的未来需求:用于实施状态监控的智能传感器
郭明錤预测苹果第二代AirPods Pro 将会带来新外观、无损音频
saleae逻辑分析仪使用分享
Nordic 半导体宣布推出nRF54系列,再次奠定低功耗蓝牙领域的领先地位
电路图
热拔插系统中的电源缓启动设计
一种简单的上变频混频器电路图
高压串联型开关电源电路
采用线性稳压器构成的微处理机电源电路图
三相电源断相保护电路
维恩电桥振荡器a
音频D-A转换器电路结构
鸟叫声模拟信号发生器电路
声音信号带宽显示电路
万和牌燃气热水器电路图
动电饭锅电路图Ⅲ型电路图
STR-S5941构成的开关电源电路图
采用LM3914作为控制器的充电电路图
2A 电流锂离子电池充电器
备用电池电路
整流恒流电路
低压差三端稳压器MC33269电路图
电流型运放压控振荡器电路图
三角波-正弦波转化器电路图
电子硬币抛掷器
电冰箱压缩机风冷散热保护电路
MPX5100 压力调节器电路
简易的高低频信号发生器电路
扫描发生器电路
时标锯齿波发生电路
互补管自激多谐振荡器电路
TS26电路原理图
845ddr电脑主板电路图_57
声控核心电路
可能感兴趣器件
IDT71V2578YSA133BQ
CE01-6A24-14PCW-D0
5.0SMDJ20A
R5F21388WKFP
LEL11-32915-30-V
RLR07C1001FSB14
ECS-CR2-10.00-A
8-320565-5
JT07RT-20-39PA
56F603-020-LI
OH300-91005CF-005.0M
64-01219-AB-0300
SW036A-7X601CECCU1711/4
MC14042BALD
M55342H02B24A3PBS
RNC60K2940DPRE6
SC100M220B1FM1625
1210B391J501N
35362-0685
FPAR3C2495D2X
SL1-049-S079/01-98/1
M80-4T13805F2-09-302-05-302
CCL-6-1.8432MHZ-I-3-6-F-R
RNCF57T21500.1%R
DFTHV32FP2637
RMCS0201FT105R-HP
WBC-T0303AG-03-1182-DF
SA534F1103XICR
SIT9045AA-73-XXDNA25.000625D
FTM25SRTI
电子工程世界版权所有
京B2-20211791
京ICP备10001474号-1
电信业务审批[2006]字第258号函
京公网安备 11010802033920号
Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
用户评论